[發(fā)明專利]一種用戶行為數(shù)據(jù)分析模型及其構(gòu)建方法

在審

• 申請?zhí)枺?/td>: 201810371527.3
• 申請日: 2018-04-24
• 公開（公告）號: CN108595630A
• 公開（公告）日: 2018-09-28
• 發(fā)明（設(shè)計）人: 王建華;李慧都;程國艮
• 申請（專利權(quán)）人: 中譯語通科技股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京萬貝專利代理事務(wù)所(特殊普通合伙) 11520
• 代理人: 馬紅

本發(fā)明屬于數(shù)據(jù)分析技術(shù)領(lǐng)域，公開了一種用戶行為數(shù)據(jù)分析模型及其構(gòu)建方法，所述用戶行為數(shù)據(jù)分析模型：tKVn＜A1,A2,...,An＞；其中：KVn表示用戶興趣模型，A1?An表示用戶各興趣權(quán)重，t表示時間；用戶的興趣模型表示為：KV：<A1，A2，...，An>。本發(fā)明可以通過分析用戶行為數(shù)據(jù)構(gòu)建出用戶的興趣模型，模型能夠及時捕捉用戶興趣的變化，調(diào)整個性化興趣標簽的排序，從而達到提高精準推薦和個性化推薦的效果。本發(fā)明可以在廣告推薦、推薦相似文章、推薦用戶喜愛商品等具體的應(yīng)用。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)分析技術(shù)領(lǐng)域，尤其涉及一種用戶行為數(shù)據(jù)分析模型及其構(gòu)建方法。

背景技術(shù)

目前，業(yè)內(nèi)常用的現(xiàn)有技術(shù)是這樣的：隨著網(wǎng)站規(guī)模的不斷擴大，涵蓋的頻道也越來越繁雜，其中包含的內(nèi)容也與日俱增，在如此大數(shù)據(jù)的信息平臺下，如何更好的服務(wù)用戶成了各門戶網(wǎng)站的首要任務(wù)。從用戶需求的角度考慮，對內(nèi)容的判斷標準是用戶對此內(nèi)容是否感興趣。而如何做到對用戶興趣的精準匹配是比較困難的，特別是對圖片、視頻等非文本內(nèi)容來說，因為本身缺乏描述性文本，因此興趣標簽成為一種非常重要的語義素材。

綜上所述，現(xiàn)有技術(shù)存在的問題是：

對圖片、視頻等非文本內(nèi)容本身缺乏描述性文本興趣標簽成為一種非常重要的語義素材。

現(xiàn)在技術(shù)對圖片、視頻的識別率沒有達到100％，判定存在誤差。

解決上述技術(shù)問題的難度和意義：

解決的難度是建立并豐富平臺內(nèi)各個事物的興趣分類，這個是工作量比較大的工作。例如在網(wǎng)站中，對網(wǎng)站中商品進行各自分類，通過用戶對某個商品的關(guān)注度，來確定用戶對該商品所屬分類的關(guān)注度，以此為基礎(chǔ)來構(gòu)建用戶的興趣模型(模型中包含各個分類的權(quán)重數(shù)值)。

本發(fā)明的基礎(chǔ)是需要對各個圖片、視頻、文本性內(nèi)容進行分類確定，通過分析用戶對具體事物的興趣來確定用戶與對應(yīng)興趣分類的關(guān)系，分析之后就知道了用戶對這一類事物是否感興趣，綜合對比用戶在平臺內(nèi)的興趣分類計算各興趣權(quán)重是多少。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了一種用戶行為數(shù)據(jù)分析模型及其構(gòu)建方法。本發(fā)明的基礎(chǔ)是需要對各個圖片、視頻、文本性內(nèi)容進行分類確定，通過分析用戶對具體事物的興趣來確定用戶與對應(yīng)興趣分類的關(guān)系，分析之后就知道了用戶對這一類事物是否感興趣，綜合對比用戶在平臺內(nèi)的興趣分類計算各興趣權(quán)重是多少。

本發(fā)明通過矩陣計算得出用戶的各個興趣權(quán)重，而且是在分析用戶各個行為的基礎(chǔ)上得出的，這種方法準確度較高。

本發(fā)明是這樣實現(xiàn)的，一種用戶行為數(shù)據(jù)分析模型，所述用戶行為數(shù)據(jù)分析模型：tKVn＜A1,A2,...,An＞；

KVn表示用戶興趣模型，A1-An表示用戶各興趣權(quán)重，t表示時間；隨著時間的變化，用戶的興趣是有變化的，所以需要實時收集并分析用戶的行為來改變用戶的興趣模型，可以依照該模型，為用戶推薦其感興趣的事。

用戶的興趣模型表示為：KV：&lt;A1，A2，...，An&gt;。

本發(fā)明的另一目的在于提供一種所述用戶行為數(shù)據(jù)分析模型的構(gòu)建方法，所述用戶行為數(shù)據(jù)分析模型的構(gòu)建方法包括以下步驟：

步驟一，構(gòu)建用戶-搜索關(guān)鍵詞矩陣；

步驟二，將用戶-行為矩陣轉(zhuǎn)化為用戶-興趣矩陣，確定關(guān)鍵詞匯-興趣矩陣；通過分類算法，得到分類模型，應(yīng)用到其余數(shù)據(jù)的分類問題當中，解決其余大量數(shù)據(jù)的分類問題；

步驟三，用戶行為矩陣轉(zhuǎn)換為用戶興趣矩陣；